FenixEdu™

Dissertação

Robot grasping in 3D through efficient haptic exploration with unscented Bayesian optimization and collision penalty EVALUATED

Detalhes: O agarre robusto de objectos é ainda um problema por resolver na robótica. Informação global 3D acerca do objecto pode ser obtida através de informação já conhecida (e.g., modelos precisos de objectos conhecidos ou modelos aproximados de objectos que nos são familiares) ou sensores em tempo-real (e.g., nuvens de pontos parciais de objectos desconhecidos) e pode ser usada para identificar potenciais bons agarres. Contudo, devido a imprecisões de modelação e limitações sensoriais, a exploração local é normalmente necessária para complementar os tais agarres e aplicá-los a objectos no mundo real. Nomeadamente, a técnica de optimização Bayesiana "unscented", recentemente proposta, é capaz de tornar essa exploração mais segura por favorecer a escolha de agarres que são robustos à incerteza no espaço de entrada (e.g.,imprecisões na execução do agarre). Ao encontrar um agarre robusto estamos a garantir que um pequeno erro na posição do agarre não irá provocar um decréscimo dramático de qualidade. Extendendo o trabalho prévio feito para a optimização em 2D, nesta dissertação propomos uma estratégia de exploração táctil 3D que combina optimização unscented Bayesiana com uma nova heurística. Esta penaliza colisões inesperadas entre a mão e objecto durante a exploração, para encontrar agarres mais seguros em 3D de forma muito eficiente. Ao expandir o espaço de exploração de 2D para 3D somos capazes de encontrar melhores agarres e a introdução da penalização de colisões permite fazê-lo sem ter de aumentar o número de explorações, portanto ajudando a combater o desafio do aumento dimensional.
Keywords: Agarre robótico, Optimização Bayesiana, Exploração táctil, Penalização de colisão, Optimização Bayesiana "unscented", iCub

Discussão: junho 8, 2018, 15:0